13年的夏天，燕京电力大学本学期已经将近尾声。
大部分学生的课程都已经结束，除了少数还没有考完的科目，平时基本上已经无所事事。
就在大部分学生颓废地在宿舍哀嚎为什么学校还不装空调的时候，有两个人正干劲十足，在为两个月后开始的竞赛做准备。
两人已经畅聊了不少，孟繁岐大概为其梳理清楚了基本的概念和认识。
他一直认为，新人接触AI和人工智能，切忌执着于某个局部和概念，容易得不偿失，看了半天还没看懂。
先对整体的原理用浅显的方式，结合生活中常见的场景和概念去理解为好。
随后则先接触一个可以顺利运行的代码例子，跑起一个测试版来，会大大增强自己的自信心，有很强的成就感。
有了兴趣，有了成就感，有了信心，又大概理解了整体的流程和意义。人自然会自发地去探索代码，尝试去理解每个零部件，每个参数的意义和它会产生的影响。
说不定就会有一些奇思妙想。
如此从上而下，方为正道。而不是苦苦啃了几个月的公式，结果来到电脑前一句代码都不会写，根本无从下手。
前段时间，孟繁岐已经将基于阿里克斯的et框架，实现了一个简易版三层神经网络做十分类任务的玩具级版本。
唐璜借此基本熟悉了本次竞赛的第一个任务内容。
孟繁岐便指使他去仔细看一看IMAGE官方给的数据存放方式，开发工具和使用的方法。
自己则尝试将自己这段时间以来所准备的算法基于该框架实现，但是不太顺利。
其实阿里克斯自己在主页上也意识到了这个问题，他称自己主页对代码的描述是非常不充分的。
而此时非常不完善的生态也进一步地加剧了这个问题，英伟达的CUDA起步不算太久，不同版本之间的代码又需要改动。
孟繁岐更换了几个代码库的版本，结果显卡GTX-690的驱动似乎有哪里不兼容，部分代码的编译也不顺利。他相信这份代码本身是阿里克斯发布出来的比较成熟的版本，不会有什么问题。只是环境和调试上确实是一件麻烦事。
此时的AI技术不能说是小众，但也没有到这种细节问题都随处可查的地步。孟繁岐浏览了一下相关的技术网站，查看了一些相关讨论。
虽然解决了大部分问题，但终究还是剩下了一些。
“没办法了，只能写邮件给阿里克斯求助一下。”孟繁岐倒不是很担心阿里克斯愿不愿意回复的问题，只要自己表明来意，说清楚自己希望以深度神经网络参赛IMAGE-2013，阿里克斯是一定愿意伸出自己的援手的。
众所周知，AI三巨头是辛顿，立昆(Le)和本吉奥(Bengio)三人。2018年的图灵奖由这三人共同获得，以表彰他们多年来的坚持和贡献。
新时代的AI起飞靠得核心技术是深度神经网络，但在60和80年代的两次热潮之余，神经网络其实并没有得到足够的重视。
阿里克斯是辛顿的学生，2012年两人和师门其他人一起以Alex-2012的时候，是唯一一个使用神经网络的团队。
孟繁岐很清楚，辛顿和阿里克斯渴望神经网络被发扬光大，他们也已经在2012年以碾压的姿态击败了其他竞争者。
本章未完 点击下一页继续阅读